도서 소개

신약 개발 분야에서 딥러닝을 활용하고 있는 연구자들이 딥러닝 기초 이론과 텐서플로 동작 원리를 단시간에 확실히 배울 수 있게 쓴 실전적인 가이드북. 딥러닝 기초 이론과 텐서플로 동작 원리를 단시간에 확실히 배울 수 있게 구성되었다.

회귀분석에서 시작해 하이퍼파라미터 최적화, CNN, RNN, 강화학습, 나아가 GPU 및 TPU까지, 딥러닝/머신러닝 관련 업무에 종사하고 있다면 반드시 알아야 할 기법과 지식을 실무 관점에서 담았다. 특히 소프트웨어 시스템을 설계해본 경험이 있는 개발자에게 도움이 되며, 딥러닝을 처음 접하는 과학자 및 다른 전문가에게도 유용한 내용으로 채웠다.

  출판사 리뷰

텐서플로 코드로 딥러닝 개념 원리 확실히 이해하기

딥러닝 기초 이론과 텐서플로 동작 원리를 단시간에 확실히 배울 수 있게 구성되었다. 회귀분석에서 시작해 하이퍼파라미터 최적화, CNN, RNN, 강화학습, 나아가 GPU 및 TPU까지, 딥러닝/머신러닝 관련 업무에 종사하고 있다면 반드시 알아야 할 기법과 지식을 실무 관점에서 담았다. 특히 소프트웨어 시스템을 설계해본 경험이 있는 개발자에게 도움이 되며, 딥러닝을 처음 접하는 과학자 및 다른 전문가에게도 유용한 내용으로 채웠다.

최신 텐서플로 코드로 체계적으로 이해하는 딥러닝 이론과 실무

딥러닝 이론 따로 구현 따로 공부하는 것보다 라이브러리로 실습하며 익히는 게 더 효율적이다. 그리고 현재 딥러닝에 가장 널리 쓰이는 라이브러리는 텐서플로다. 이 책은 신약 개발 분야에서 딥러닝을 활용하고 있는 연구자들이 딥러닝 기초 이론과 텐서플로 동작 원리를 단시간에 확실히 배울 수 있게 쓴 실전적인 가이드북이다.
딥러닝의 기초가 되는 텐서 수학에서 시작해 완전연결 신경망, CNN, RNN, GAN, 강화학습 등 입문자들이 꼭 알아야 할 기초 지식과 기법을 친절히 살펴본다. 수학 이론을 세세히 다루는 대신 적절한 코드 예제로 이해를 돕고, 프로그래밍에 익숙하지 않은 이들을 위해 선언형 프로그래밍과 객체지향 개념도 함께 살펴본다.
많은 입문서에서 적당히 넘어가는 하이퍼파라미터 최적화도 챕터를 할애해 설명하는 것도 장점이다. 끝으로 현업에서 접하게 될 GPU/TPU를 활용한 분산처리까지, 딥러닝/머신러닝 관련 업무에 종사하고 있다면 반드시 알아야 할 기법과 지식을 실무 관점에서 담았다.
웹에 수많은 데이터셋과 튜토리얼 코드가 공개되어 있지만, 구슬이 서 말이라도 꿰어야 보배다. 이 책을 마스터하면 단편적인 딥러닝, 텐서플로 지식을 체계적으로 종합하여 현업에 준비된 개발자로 거듭날 수 있다.
● 기본 연산 등으로 텐서플로 기초 학습
● 기초적인 학습 시스템을 구축하며 수학 원리 습득
● 완전연결 네트워크 이해
● 하이퍼파라미터 최적화로 모델 품질 개선
● 합성곱 신경망으로 이미지 처리
● 순환 신경망으로 자연어 데이터셋 다루기
● 강화학습으로 틱택토 같은 게임 풀기
● GPU 및 TPU로 네트워크 학습

  작가 소개

지은이 : 바라스 람순다르
캘리포니아 대학교 버클리에서 전자공학 컴퓨터 과학 학위를 받았고 수학과 졸업생 대표였다. 현재 스탠퍼드 대학교에서 컴퓨터 과학 박사과정을 밟고 있다. 연구 분야는 딥러닝을 신약 개발에 적용하는 방법이다. 딥켐(DeepChem.io)의 리드 개발자이자 창시자로서, 딥켐은 텐서플로 기반의 오픈소스 패키지로서 신약 개발 분야에서 딥러닝 사용을 대중화하는 것을 목표로 한다. 선정이 까다롭기로 유명한 허츠(Hertz) 장학금 지원을 받고 있다.

지은이 : 레자 자데
매트로이드(Matroid) 창립 CEO이자 스탠퍼드 대학교 부교수. 머신러닝, 분산 컴퓨팅, 이산응용수학을 연구하고 있다. KDD 최고논문상과 진 골룹 우수논문상을 수상한 바 있고, 마이크로소프트와 데이터브릭스에서 기술자문위원을 역임하기도 했다. 연구 중 트위터의 '팔로우 추천' 알고리즘을 머신러닝으로 구축했고, 이는 트위터에 머신러닝을 적용한 첫 사례였다. 아파치 스파크의 선형대수 패키지의 초기 제작자였고, 당시 작업물이 업계 및 학계의 클러스터 컴퓨팅 환경에서 사용되고 있다. 현재 스탠퍼드 대학교에서 분산 알고리즘과 최적화, 이산수학 및 알고리즘 강의를 개설해 가르치고 있다.

  목차

CHAPTER 1 딥러닝 소개
1.1 머신러닝이 컴퓨터 과학을 집어삼키다
1.2 딥러닝 기본 요소
1.3 딥러닝 아키텍처
1.4 딥러닝 프레임워크
1.5 마치며

CHAPTER 2 텐서플로 기초 소개
2.1 텐서 소개
2.2 텐서플로 기초 계산
2.3 명령형과 선언형 프로그래밍
2.4 마치며

CHAPTER 3 텐서플로를 사용한 선형 및 로지스틱 회귀
3.1 수학 복습
3.2 텐서플로를 사용한 학습
3.3 텐서플로에서 선형 모델 및 로지스틱 모델 학습하기
3.4 마치며

CHAPTER 4 완전연결 딥 네트워크
4.1 완전연결 딥 네트워크란?
4.2 완전연결 네트워크에서의 '뉴런'
4.3 완전연결 신경망 학습
4.4 텐서플로 구현
4.5 마치며

CHAPTER 5 하이퍼파라미터 최적화
5.1 모델 평가 및 하이퍼파라미터 최적화
5.2 지표, 지표, 지표
5.3 하이퍼파라미터 최적화 알고리즘
5.4 마치며

CHAPTER 6 합성곱 신경망
6.1 합성곱 아키텍처 소개
6.2 합성곱 네트워크 애플리케이션
6.3 텐서플로 합성곱 네트워크 학습
6.4 마치며

CHAPTER 7 순환 신경망
7.1 순환 아키텍처 개요
7.2 순환 셀
7.3 순환 모델 애플리케이션
7.4 신경 튜링머신
7.5 순환 신경망을 사용하여 실제 작업하기
7.6 펜 트리뱅크 말뭉치 처리하기
7.7 마치며

CHAPTER 8 강화학습
8.1 마르코프 결정 과정
8.2 강화학습 알고리즘
8.3 강화학습의 한계
8.4 틱택토 게임
8.5 A3C 알고리즘
8.6 마치며

CHAPTER 9 대규모 딥 네트워크 학습
9.1 딥 네트워크를 위한 커스텀 하드웨어
9.2 CPU 학습
9.3 분산 딥 네트워크 학습
9.4 다중 GPU를 사용한 CIFAR-10 데이터 병렬 학습
9.5 마치며

CHAPTER 10 딥러닝의 미래
10.1 기술 산업 밖의 딥러닝
10.2 윤리적인 딥러닝 사용
10.3 인공일반지능이 곧 도래할까요?
10.4 이제 무엇을 해야 할까요?

  회원리뷰